互联网的快速发展催生了P2P借贷新型模式。这种模式下,借款者所需资金通过网络平台借入,降低了借款者借入资金的门槛,提高了资金的使用效率,但也容易造成借款者违约情况的发生。因此,正确预测P2P借贷借款者违约情况,对P2P平台的健康发展有重要的意义。本文详细分析了国内外学者在P2P借贷借款者违约预测方面的研究成果,探讨了影响P2P借贷借款者违约的影响因素和预测方法。从P2P借贷市场环境角度和P2P借贷统计数据层面深入分析影响P2P借贷借款者违约的成因,并归纳出类型。考虑到借款者的心理变化,将此因素加入到借款者违约影响因素中,构建了借款者违约影响因素理论模型。据此,基于数据挖掘理论,研究了SVM、决策树和逻辑回归在P2P借贷违约预测方面的应用,为了得到更好的预测效果,提出了基于组合求权函数的P2P借贷违约组合预测模型。重点就以下问题进行了研究:(1)文章采取定性与定量相结合的方法对P2P借贷借款者违约的影响因素进行分析。首先从理论层面分析借款者违约的影响因素,然后从数据层面分析借款者违约的影响因素。从定性和定量的角度出发,所得结果更加具有科学性,弥补了只采用定量方法的单一性,更加具有强化力。(2)构建P2P借贷借款者违约影响因素理论模型。在详细分析了国内外学者在P2P借贷借款者违约影响因素的基础上,将P2P借贷行为中借款者违约的影响因素分为个人因素、人际因素及借款本身特征。在此基础上加入了借款者内心的情感变化,通过对SOR理论、Heider平衡理论和知信行理论的分析,多角度构建P2P借贷行为中借款者违约行为变化的理论模型,从理论水平上探索影响借款者违约的影响因素,为P2P借贷提供一种新的研究思路。(3)构建基于组合求权函数的P2P借贷违约组合预测模型。文章在数据挖掘理论的基础上,建立了SVM、决策树和逻辑回归三种基本模型,然后提出了一种关注真实值和组合预测值间偏差以及组合预测值和各模型值间偏差的组合求权函数方法,更加注重权重分配性,具有一定的理论性和实际性。在P2P借贷实验研究中很少有学者关注到数据不平衡性的处理问题。文章采用SMOTE方法对P2P借贷数据进行不平衡处理。实验结果证明,经过不平衡处理后的数据比处理之前模型效果明显提高,能更加精确地预测违约借款者。最后实验结果表明,组合模型的预测效果比单个模型更理想。